一种基于案例推理的工程产品设计方法技术

本发明专利技术涉及一种基于案例推理的工程产品设计方法，属于产品设计方法领域。包括的步骤有：根据客户对产品设计的需求提取出案例的特征属性，并计算各个特征属性的相似度，综合考虑各个特征属性然后再计算整体的相似度，生成相似案例集合，作为初始种群。采用实数编码方式对初始种群进行基因编码操作，确定合适的适应度值函数和算法的停止条件。采用遗传算法进行多次迭代的选择运算、交叉运算、变异运算，直至达到算法的停止条件。将满足适应度值函数的种群作为最后结果。将运算结果进行解码并输出为最终设计方案。本方法综合考虑了案例检索和案例修改的过程，通过引入遗传算法，实现了案例的修改，提高了基于案例推理的产品设计方法的设计效率。

【技术实现步骤摘要】
一种基于案例推理的工程产品设计方法
本专利技术涉及一种基于案例推理的工程产品设计方法，属于产品设计方法领域。
技术介绍
产品设计案例的知识重用是定制化生产中实现个性化产品快速设计的重要方法，基于相似设计案例的设计方案修改是其中的关键技术。基于案例推理(CBR)的方法通过检索和相似性比较得到产品设计的相似案例，通常情况下并不能完全满足客户的设计需求，需要根据一定的规则或方法对检索的案例进行修改。案例检索过程中可能会存在着许多不完全相似案例或检索不到案例的情况，案例检索的不确定性直接影响了案例修改的效率，从而影响整个设计效率。因此需要综合考虑案例检索和案例修改，针对客户个性需求进行设计。
技术实现思路
为了快速、准确地设计出最大程度上满足客户个性化需求的产品，本专利技术提出了一种基于案例推理的工程产品设计方法，针对传统案例推理中案例检索准确度低和案例修改效率低等问题，综合考虑案例检索和案例修改的过程，通过引入遗传算法，实现案例的检索和修改，以设计出满足客户需求的产品。一种基于案例推理的工程产品设计方法，该方法实现步骤如下：步骤1：根据客户对工程产品的个性化需求，提取相关技术特征属性，并计算各属性的相似度；步骤2：根据各个属性的相似度计算整体相似度，生成相似案例集合，作为初始种群；步骤3：采用实数编码的方式对初始种群进行编码；步骤4：确定适应值函数和停机条件；步骤5：采用遗传算法进行交叉运算和变异运算，直至满足算法的收敛指标；步骤6：得到步骤5的运算结果后对种群进行解码操作，将解码后的设计方案作为最终设计方案。进一步地，所述步骤1中的特征属性包括数值属性、区间属性、枚举型和布尔型属性。进一步地，所述数值属性的相似度计算方法如下：数值a,b之间的相似度计算公式如下：式中，α为两数值的取值下限，β为两数值的取值上限。进一步地，所述区间属性的相似度计算方法如下：区间[a1,a2],[b1,b2]之间的相似度计算公式如下：式中，α为区间[a1,a2]的区间下限，β为区间[b1,b2]的区间下限。sim(x,y)表示[a1,a2]和[b1,b2]区间之间的相似度函数。进一步地，所述枚举型和布尔型属性的相似度计算方法如下：对于枚举型和布尔型属性值，sim(a,b)的计算公式定义如下：式中，a，b表示枚举型或布尔型属性参数。进一步地，所述步骤2计算案例综合相似度，新案例A和已有案例B的相似度定义为：式中：wk为第k个属性的权重，ak是设计案例A的第k个属性的值，bk是设计案例B的第k个属性的值，sim(ak,bk)代表设计案例A和设计案例B的第k个属性上的相似度。进一步地，所述步骤4中适应值函数和停机条件判定如下：以计算目标案例和相似案例之间的相似度为适应值函数，如公式(5)所示：f＝sim(C0,C1)(5)式中，C0为目标案例，C1为相似案例。停机条件：算法以适应值为标准进行停机判定，若当前群体所有个体的适应值低于上一代群体所有个体的适应度值，则群体包含最优个体，迭代停止。进一步地，所述步骤5中交叉运算公式和变异运算公式分别如公式(6)和公式(7)所示：式中，fmax为群体中最大适应度值，f′为两条染色体中适应度值较大的那个，fa为平均适应度值，pc为群体中满足变异概率的个体，pc1为交叉后的个体。式中，pm为变异概率允许值，f代表要变异个体的适应度值，pm1为群体变异概率允许值的最终值，pm2为个体自身变异概率允许值的最终值。pm1＝0.1，pm2＝0.001。与现有技术相比，本专利技术的有益效果为：1、本专利技术通过利用以往的设计案例和设计经验，通过遗传算法对得到的案例进行修改，不仅缩短了用户寻求最优解的时间，也让用户对提供最优解的满意度有了较大的提高。2、本文采用实数编码的方式对设计方案进行了编码，进一步建立了包含各种设计方案的案例库，根据对产品进行建模，完成了遗传算法的关键技术。针对传统案例搜索过程中的效率较低的问题，提出了相似度搜索的方法，并且通过遗传算法对案例进行了修改，降低了案例重用的难度，同时也提高了产品设计的效率。附图说明图1是本专利技术具体实施方式中基于遗传算法和案例推理相结合的设计流程图。图2是本专利技术具体实施方式中普通数控车床设计任务图。图3是本专利技术具体实施方式中普通数控车床的基因编码图。具体实施方式下面结合附图，对本专利技术的具体实施例做进一步的说明。案例重用主要分为案例检索和案例修改两个环节，本专利技术首先引入相似度计算来进行案例检索，用遗传算法的方式来进行案例修改，该算法具有自适应、自学习、自组织等特点，相较于其他算法自由度大得多。遗传算法的初始种群是先通过相似性计算得到的案例，提高了初始种群的适应性，另一方面提高了算法的计算效率。如图1所示，具体步骤如下：步骤1：根据普通数控车床设计需求确定案例特征属性，并计算各特征属性的相似度。1)数值型属性，数值型特征属性表征了产品某方面的性能预期，如机床床身长度和高度、主轴电机驱动功率等。2)区间属性，区间特征属性用于约束产品对特定对象或功能的兼容性，指标A＝[a1,a2]和B＝[b1,b2]，其相似度定义如下：3)枚举型和布尔型属性值，这类特性一般用于选择型数据，如安装方式或冷却方式等。对于枚举型和布尔型属性值，sim(a,b)的计算公式定义如下：步骤2：综合各个特征属性的相似度，计算整体相似度，生成相似案例集，作为遗传算法的初始种群。新案例A和已有案例B的相似度定义为：式中：wk为第k个属性的权重(一般通过层次分析法或专家打分法确定)，ak是设计案例A的第k个属性的值；bk是设计案例B的第k个属性的值；sim(ak,bk)代表设计案例A和设计案例B的第k个属性上的相似度。案例库中相似实例C1、C2、C3和C4和设计目标的属性相似度计算结果如表1。表1相似案例相关属性参数步骤3：对初始化种群进行基因编码操作。如图2所示，本专利技术采用树形编码对普通数控机床产品的设计任务进行分解，得到普通数控机床的基因编码图(图3)。设计任务按多层次结构划分为床身、滑台、刀架、尾台、冷却单元、驱动控制、电机驱动。每个模块都包含了多个选择方案，各选择方案具有其子模块。步骤4：确定适应度值函数和算法的停机条件。以计算目标案例C0和相似案例C1之间的相似度为适应值函数，如公式(5)所示：f＝sim(C0,C1)(5)停机条件：算法以适应值为标准进行停机判定，若当前群体所有个体的适应值低于上一代群体所有个体的适应度值，则群体包含最优个体，迭代停止。步骤5：启动遗传算法，进行多次迭代的选择运算、交叉运算、变异运算，直至达到算法停止条件。1)进行选择运算选择算子是进行优胜劣汰的操作，适应度值高的个体被遗传到下一代群体中的概率较大，经过淘汰后，种群大小仍为m，但其整体适应度值增强，即整个种群朝着优化方向发展。2)进行交叉运算交叉操作重点是要判定交叉的基因是否相同。进行交叉操作时，要充分考虑到各个方案间的多层次性，特别是基因的位置等级，按照由高到低的顺序进行操作。式中，fmax为群体中最大适应度值，f′为两条染色体中适应度值较大的那个，fa为平均适应度值。3)进行变异运算变异操作也要充分考虑到各方案间的多层次性，按照由高到低的顺序进行操作。式中，f代表要变异个体的适应度值，pm1＝0.1，pm2＝0.本文档来自技高网...

【技术保护点】
1.一种基于案例推理的工程产品设计方法，其特征在于，该方法实现步骤如下：步骤1：根据客户对工程产品的个性化需求，提取相关技术特征属性，并计算各属性的相似度；步骤2：根据各个属性的相似度计算整体相似度，生成相似案例集合，作为初始种群；步骤3：采用实数编码的方式对初始种群进行编码；步骤4：确定适应值函数和停机条件；步骤5：采用遗传算法进行交叉运算和变异运算，直至满足算法的收敛指标；步骤6：得到步骤5的运算结果后对种群进行解码操作，将解码后的设计方案作为最终设计方案。

【技术特征摘要】
1.一种基于案例推理的工程产品设计方法，其特征在于，该方法实现步骤如下：步骤1：根据客户对工程产品的个性化需求，提取相关技术特征属性，并计算各属性的相似度；步骤2：根据各个属性的相似度计算整体相似度，生成相似案例集合，作为初始种群；步骤3：采用实数编码的方式对初始种群进行编码；步骤4：确定适应值函数和停机条件；步骤5：采用遗传算法进行交叉运算和变异运算，直至满足算法的收敛指标；步骤6：得到步骤5的运算结果后对种群进行解码操作，将解码后的设计方案作为最终设计方案。2.根据权利要求1所述的一种基于案例推理的产品设计方法，其特征在于，所述步骤1中的特征属性包括数值属性、区间属性、枚举型和布尔型属性。3.根据权利要求2所述的一种基于案例推理的产品设计方法，其特征在于，所述数值属性的相似度计算方法如下：数值a,b之间的相似度计算公式如下：式中，α为两数值的取值下限，β为两数值的取值上限。4.根据权利要求2所述的一种基于案例推理的产品设计方法，其特征在于，所述区间属性的相似度计算方法如下：区间[a1,a2],[b1,b2]之间的相似度计算公式如下：式中，α为区间[a1,a2]的区间下限，β为区间[b1,b2]的区间下限；sim(x,y)表示[a1,a2]和[b1,b2]区间之间的相似度函数。5.根据权利要求2所述的一种基于案例推理的产品设计方法，其特征在于，所述枚举型和布尔型属性的相似度计算方法如下：对于枚举型和布尔型属性值，sim(a,b)的计算...

【专利技术属性】
技术研发人员：李聪，樊蓓蓓，吴肖琳，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海,31